EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms

要約

強力なラージ言語モデル (LLM) の台頭により、複雑なタスク、特にマルチエージェント システムを解決するための LLM ベースの自律エージェントを構築するという新しい傾向が加速しています。
目覚ましい進歩にもかかわらず、既存の作品は人間が設計したフレームワークに大きく依存しており、エージェント システムの機能範囲と拡張性が大幅に制限されていることに私たちは気づきました。
タスク解決能力を向上させるために、特化したエージェントをマルチエージェント システムに自動的に拡張する方法は依然として大きな課題です。
このペーパーでは、進化的アルゴリズムを介してエキスパート エージェントをマルチエージェント システムに自動的に拡張する汎用手法である EvoAgent を紹介します。これにより、タスク解決における LLM ベースのエージェントの効率が向上します。
具体的には、既存のエージェント フレームワークを初期個体とみなして、一連の進化演算子 (突然変異、交叉、選択など) を適用して、多様なエージェント設定を持つ複数のエージェントを生成します。
EvoAgent は、LLM ベースのエージェント フレームワークに一般化でき、人間による追加の設計を行わずに、既存のエージェント フレームワークをマルチエージェント システムに自動的に拡張できます。
さまざまなタスクにわたる実験結果から、EvoAgent が複数のエキスパート エージェントを自動的に生成し、LLM ベースのエージェントのタスク解決能力を大幅に強化できることがわかりました。

要約(オリジナル)

The rise of powerful large language models (LLMs) has spurred a new trend in building LLM-based autonomous agents for solving complex tasks, especially multi-agent systems. Despite the remarkable progress, we notice that existing works are heavily dependent on human-designed frameworks, which greatly limits the functional scope and scalability of agent systems. How to automatically extend the specialized agent to multi-agent systems to improve task-solving capability still remains a significant challenge. In this paper, we introduce EvoAgent, a generic method to automatically extend expert agents to multi-agent systems via the evolutionary algorithm, thereby improving the effectiveness of LLM-based agents in solving tasks. Specifically, we consider the existing agent frameworks as the initial individual and then apply a series of evolutionary operators (e.g., mutation, crossover, selection, etc.) to generate multiple agents with diverse agent settings. EvoAgent can be generalized to any LLM-based agent framework, and can automatically extend the existing agent framework to multi-agent systems without any extra human designs. Experimental results across various tasks have shown that EvoAgent can automatically generate multiple expert agents and significantly enhance the task-solving capabilities of LLM-based agents.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google